Ce cours est un TD informatique constitue d'exemples et d'exercices du langage de programmation R sur la data visualisation. Les differents points abordes durant ces 15 heures de cours sont :

• Extraction et manipulation des donnees (data mining)
• Representations graphiques
• Valorisations de ces donnees par le biais de methodes statistiques et de visualisations
• Representations graphiques interactives (html widget, plotly …)
• Shiny et R markdown creation d'application et de rapport interactif

Extraction et manipulation de donn?es (data mining)

• G?n?ralit? sur la data visualisation
• Rappels sur R
• Objets R (variable, programme et fonction)
• importer des donn?es depuis le web
• graphiques simples

Definition

• communique des donnees de facon visuelle

• 

• transformer des donnees en information

• resultats graphiques clairs et comprehensibles

• un des meilleurs graphiques statistiques

• http://esri.github.io/wind-js/ SIG

• http://flowingdata.com/2016/01/05/causes-of-death/ s?ries temporelles

• http://www.nytimes.com/interactive/2015/03/19/upshot/3d-yield-curve-economic-growth.html 3D

• memoire courte quelques secondes d'attention ou de reflexion
• un max de \(\simeq 11\) types de couleurs ou de styles diff?rents facilement distinguables

• notion de perspective donn?es et v?rit?s

• source "How to Lie With Statistics", 1954, Huff

source "How to Lie With Statistics", 1954, Huff

• R?ponse : 9

• Open source & Gratuit
• Facile ? installer sur les syst?mes d'exploitations Linux, Windows et Apple
• Une tr?s grosse communaut? de d?veloppeurs et d'utilisateurs
• Facile ? utiliser pour des non-programmeurs pour des calculs statistiques
• Possibilit? de cr?er de belles illustrations, applications web et m?me la pr?sentation que vous lisez actuellement

Sur Windows

aller ? l'url http://cran.r-project.org/bin/windows/base/ et t?l?charger la derni?re version de R en fonction de votre ordinateur 32 bit ou 64 bit (pour le savoir aller sur param?tres>syst?me>information syst?me)

Sur Apple

http://cran.r-project.org/bin/macosx/ et t?l?charger la derni?re version de R

Pour installer Rstudio

http://www.rstudio.com/ide/ pour t?l?charger la derni?re version et installer l'environnement de travail R studio en suivant les indications du site

• savoir demander de l'aide la qualit? principale d'un programmeur (90% de ses comp?tences)

• stack overflow forum en ligne
• suivre des exemples R blogger, git_hub …
• commandes en console R ?? et ?

• utiliser un environnement de travail int?gr? (IDE) comme Rstudio (facilite la programmation, auto indentation, variables historiques, etc …)

• cr?er un fichier texte hello.R
• ?crire votre premier programme en R

#  le Di?se sert ? commenter le reste de la la ligne  
# tout ce qui est ?crit ici ne sera pas ex?cut? par R  
# indiquer le but du programme ou toutes autres informations  
# Nom  et Pr?nom dates 
a <- "hello World ! "

print(a)

A l'aide de la console R :

source("cours_data_visualisation//hello.R")

## [1] "hello World ! "

Ce qui a chang?

• Ajout de la commande lanc?e dans la console R dans l'historique
• Ajout de la variable a dans l'environnement R (commande ls() pour lister les objets)

class(a)

## [1] "character"

b <- 1 
class(b)

## [1] "numeric"

#vecteurs
c <- c(1,2,3,4)
d <- c("a","b","c","d")
e <- c("a"=1,"b"=2,"c"=3,"d"=4)
f <- c(1,"a","d",4)

class(c)

## [1] "numeric"

class(d)

## [1] "character"

class(e)

## [1] "numeric"

class(f)

## [1] "character"

attention f ne pas m?langer les types de variables

  f.m <- cbind(f)
f.m

##      f  
## [1,] "1"
## [2,] "a"
## [3,] "d"
## [4,] "4"

  c.m <- cbind(c)
  c.m

##      c
## [1,] 1
## [2,] 2
## [3,] 3
## [4,] 4

  m.m <- cbind(f.m,c.m)
    m.m

##      f   c  
## [1,] "1" "1"
## [2,] "a" "2"
## [3,] "d" "3"
## [4,] "4" "4"

        n.m <- cbind(c.m,c.m)
        n.m

##      c c
## [1,] 1 1
## [2,] 2 2
## [3,] 3 3
## [4,] 4 4

Limitation des matrices soit type num?rique ou caract?re

mat <- matrix(data = c.m, ncol=4,nrow = 3)
mat

##      [,1] [,2] [,3] [,4]
## [1,]    1    4    3    2
## [2,]    2    1    4    3
## [3,]    3    2    1    4

df = data.frame("numeriques"= c, lettres=f,stringsAsFactors = F)
df 

##   numeriques lettres
## 1          1       1
## 2          2       a
## 3          3       d
## 4          4       4

class(mat[,1])

## [1] "numeric"

class(df[,"numeriques"])

## [1] "numeric"

class(df[,"lettres"])

## [1] "character"

as.matrix(df)

##      numeriques lettres
## [1,] "1"        "1"    
## [2,] "2"        "a"    
## [3,] "3"        "d"    
## [4,] "4"        "4"

as.numeric(f)

## Warning: NAs introduits lors de la conversion automatique

## [1]  1 NA NA  4

1==0

## [1] FALSE

1>=0

## [1] TRUE

1<=0

## [1] FALSE

"a" == "b"

## [1] FALSE

les commandes matrix(), cbind(), data.frame() sont des fonctions cod?es

D?finition

• un objet R
• des commandes R ?crites dans un fichier qui effectuent une t?che pr?d?finie
• permet de faire automatiquement la m?me t?che plusieurs fois
• garder un programme plus lisible
• un gain de temps ? long terme

?crire le m?me code que pr?c?demment sous forme de fonction dans un nouveau fichier hello_fun.R

hello <-function(texte=NULL){   # argument ou donn?es d'entr?e

  #code manipulant les donn?es d'entr?e
 
return(texte)  #  return  renvoie le r?sultat de la fonction  
}
 source("cours_data_visualisation/hello_fun.R")

 hello("hello world !")

## [1] "hello world !"

un petit ajout le nom de l'utilisateur

hello <-function(texte=NULL){  
  #on souhaite coller le nom de l'utilisateur ? "hello world"
  # on r?cup?re le nom de l'utilisateur 
 nom <- Sys.getenv("USERNAME") # fonction trouv?e via une recherche web
   # on colle le nom de l'utilisateur
 texte <- paste(nom,texte)
 
return(texte)  #  return  renvoie le r?sultat de la fonction  
}

 source("cours_data_visualisation/hello_fun2.R")

 hello("hello world !")

## [1] "Laurent hello world !"

Vous avez ?crit une fonction comme les fonctions de base de R exemple cor() qui calcule la corr?lation des donn?es de 2 vecteurs ou des donn?es contenues dans une matrice

cor

## function (x, y = NULL, use = "everything", method = c("pearson", 
##     "kendall", "spearman")) 
## {
##     na.method <- pmatch(use, c("all.obs", "complete.obs", "pairwise.complete.obs", 
##         "everything", "na.or.complete"))
##     if (is.na(na.method)) 
##         stop("invalid 'use' argument")
##     method <- match.arg(method)
##     if (is.data.frame(y)) 
##         y <- as.matrix(y)
##     if (is.data.frame(x)) 
##         x <- as.matrix(x)
##     if (!is.matrix(x) && is.null(y)) 
##         stop("supply both 'x' and 'y' or a matrix-like 'x'")
##     if (!(is.numeric(x) || is.logical(x))) 
##         stop("'x' must be numeric")
##     stopifnot(is.atomic(x))
##     if (!is.null(y)) {
##         if (!(is.numeric(y) || is.logical(y))) 
##             stop("'y' must be numeric")
##         stopifnot(is.atomic(y))
##     }
##     Rank <- function(u) {
##         if (length(u) == 0L) 
##             u
##         else if (is.matrix(u)) {
##             if (nrow(u) > 1L) 
##                 apply(u, 2L, rank, na.last = "keep")
##             else row(u)
##         }
##         else rank(u, na.last = "keep")
##     }
##     if (method == "pearson") 
##         .Call(C_cor, x, y, na.method, FALSE)
##     else if (na.method %in% c(2L, 5L)) {
##         if (is.null(y)) {
##             .Call(C_cor, Rank(na.omit(x)), NULL, na.method, method == 
##                 "kendall")
##         }
##         else {
##             nas <- attr(na.omit(cbind(x, y)), "na.action")
##             dropNA <- function(x, nas) {
##                 if (length(nas)) {
##                   if (is.matrix(x)) 
##                     x[-nas, , drop = FALSE]
##                   else x[-nas]
##                 }
##                 else x
##             }
##             .Call(C_cor, Rank(dropNA(x, nas)), Rank(dropNA(y, 
##                 nas)), na.method, method == "kendall")
##         }
##     }
##     else if (na.method != 3L) {
##         x <- Rank(x)
##         if (!is.null(y)) 
##             y <- Rank(y)
##         .Call(C_cor, x, y, na.method, method == "kendall")
##     }
##     else {
##         if (is.null(y)) {
##             ncy <- ncx <- ncol(x)
##             if (ncx == 0) 
##                 stop("'x' is empty")
##             r <- matrix(0, nrow = ncx, ncol = ncy)
##             for (i in seq_len(ncx)) {
##                 for (j in seq_len(i)) {
##                   x2 <- x[, i]
##                   y2 <- x[, j]
##                   ok <- complete.cases(x2, y2)
##                   x2 <- rank(x2[ok])
##                   y2 <- rank(y2[ok])
##                   r[i, j] <- if (any(ok)) 
##                     .Call(C_cor, x2, y2, 1L, method == "kendall")
##                   else NA
##                 }
##             }
##             r <- r + t(r) - diag(diag(r))
##             rownames(r) <- colnames(x)
##             colnames(r) <- colnames(x)
##             r
##         }
##         else {
##             if (length(x) == 0L || length(y) == 0L) 
##                 stop("both 'x' and 'y' must be non-empty")
##             matrix_result <- is.matrix(x) || is.matrix(y)
##             if (!is.matrix(x)) 
##                 x <- matrix(x, ncol = 1L)
##             if (!is.matrix(y)) 
##                 y <- matrix(y, ncol = 1L)
##             ncx <- ncol(x)
##             ncy <- ncol(y)
##             r <- matrix(0, nrow = ncx, ncol = ncy)
##             for (i in seq_len(ncx)) {
##                 for (j in seq_len(ncy)) {
##                   x2 <- x[, i]
##                   y2 <- y[, j]
##                   ok <- complete.cases(x2, y2)
##                   x2 <- rank(x2[ok])
##                   y2 <- rank(y2[ok])
##                   r[i, j] <- if (any(ok)) 
##                     .Call(C_cor, x2, y2, 1L, method == "kendall")
##                   else NA
##                 }
##             }
##             rownames(r) <- colnames(x)
##             colnames(r) <- colnames(y)
##             if (matrix_result) 
##                 r
##             else drop(r)
##         }
##     }
## }
## <bytecode: 0x0000000011a9c7d8>
## <environment: namespace:stats>

Importer des donn?es via quandl

Par exemple l'?volution de la population ? Angers

https://www.quandl.com/data/INSEE/29_000067684_A-Demography-Municipal-population-at-the-census-Angers

• T?l?charger les donn?es sous format .csv
• ouvrir les donn?es via R m?thode graphique

Import Dataset > from Local File

Puis v?rifier que les donn?es sont sous le bon format

read.csv("C:/Users/Laurent/Downloads/INSEE-29_000067684_A.csv")

##          Date  Value
## 1  2012-12-31 149017
## 2  2011-12-31 148803
## 3  2010-12-31 147571
## 4  2007-12-31 151108
## 5  2006-12-31 152337
## 6  1999-12-31 151279
## 7  1990-12-31 141404
## 8  1982-12-31 136038
## 9  1975-12-31 137591
## 10 1968-12-31 128557
## 11 1962-12-31 115273

class(read.csv("C:/Users/Laurent/Downloads/INSEE-29_000067684_A.csv"))

## [1] "data.frame"

INSEE.29_000067684_A <- read.csv("C:/Users/Laurent/Downloads/
                                 INSEE-29_000067684_A.csv")
View(INSEE.29_000067684_A)

plot(x = as.Date(INSEE.29_000067684_A$Date),y=
       INSEE.29_000067684_A$Value)

plot(x = as.Date(INSEE.29_000067684_A$Date),y=
       INSEE.29_000067684_A$Value,type = "l")

plot(x = as.Date(INSEE.29_000067684_A$Date),y=
       INSEE.29_000067684_A$Value,type = "b")

plot(x = as.Date(INSEE.29_000067684_A$Date),y=
       INSEE.29_000067684_A$Value,type = "l",xlab ="Dates" ,
     ylab="populations")